摘 要

本研究以上海市为研究对象，通过收集2002-2017年上海地区PM₁₀、SO₂和NO₂年均浓度、常住人口、第二产业GDP占比、环保投资和实际GDP等相关人为影响因素的数据，用Spearman秩相关系数法分析这三种大气污染物长期变化趋势，结果发现：这三种污染物都呈现下降趋势，同时利用多元线性回归分析法分析人为因素与大气污染物年均浓度之间的关系，由于各人为因素变量之间存在很强的共线性关系，本文利用岭回归法消除共线性关系，发现环保投资、第二产业GDP占比和煤炭消耗量等因素与大气污染物年均浓度呈负相关，实际GDP、常住人口、能源消耗和民车拥有量等因素与大气污染物呈正相关。同时本研究还收集了2013-2018年上海地区PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃-8h这6种大气污染物日均浓度，计算出这6种大气污染物的上海市月均浓度和季均浓度，同时收集气象因素数据，通过统计模型分析上海市大气污染物月均浓度和季均浓度与相关气象因素之间的关系。结果发现：PM_2.5、PM₁₀、SO₂、NO₂、CO的季均浓度变化特征基本一致，呈冬季gt;春季gt;秋季gt;夏季；这五种污染物月均浓度变化特征也基本呈现出8月份高，12月份低；通过相关性分析发现与温度和相对湿度呈现出负相关，与风速呈正相关。O₃-8h季节变化特征呈夏季gt;春季gt;秋季gt;冬季，其月均浓度变化特征呈现出12月份低，8月份浓度高；通过相关性分析发现与温度、相对湿度和风速均呈正相关。本文所获得的上海市大气污染水平影响因素研究的结论，可以为改善上海市大气环境质量状况提供科学的决策依据。

关键词：大气污染物质量浓度 Daniel趋势检验 多元回归模型 岭回归分析法

Analysis on the characteristics and influencing factors of Atmospheric Environmental quality in Shanghai

Abstract

This study takes Shanghai as the research object, by collecting the average annual consistence of PM₁₀, SO₂ and NO₂ in Shanghai from 2002 to 2017, the resident population, the proportion of GDP in the secondary industry, environmental protection investment and actual GDP and other human factors. The long-term changing trend of these three kinds of air pollutants was analyzed by Daniel trend test. The results showed that all three pollutants showed a downward trend. At the same time, multiple linear regression analysis is used to analyze the relationship between human factors and the average annual consistence of air pollutants. It is found that there is a strong collinear relationship between human factors, and ridge regression method is used to eliminate the collinearity. The proportion of GDP and coal consumption in the secondary industry were negatively correlated with the annual consistence of air pollutants, while the actual GDP, resident population, energy consumption and car ownership were positively correlated with air pollutants. Simultaneously, the daily average consistence of PM_2.5, PM₁₀, SO₂, NO₂, CO and O₃-8h in Shanghai were collected, and the monthly and seasonal average consistences of these six kinds of air pollutants were calculated, and the meteorological factors were collected at the same time. The relationship between the daily average consistence, monthly average consistence and seasonal average consistence of air pollutants and related meteorological elements was statistically analyzed. It turned out that the seasonal variation characteristics of PM_2.5, PM₁₀, SO₂, NO₂, CO were basically the same, showing winter gt; spring gt; autumn gt; summer, and the monthly average consistence was also high in August and low in December. Through multivariate linear regression, it was found that there was a passive correlation with temperature and relative humidity, and a positive correlation with wind speed. The seasonal variation characteristics of O₃-8h were summer gt; spring gt; autumn gt; winter, and the monthly average consistence was low in December. The consistence was high in August. By multivariate linear regression analysis, it was found that it was actively correlated with temperature, wind speed and relative humidity. By analyzing the related factors affecting the change of atmospheric environmental quality in Shanghai, this paper provides a decision-making basis for improving the quality of atmospheric environment in Shanghai.

Key words: Mass consistence of Air pollutants；Daniel trend Test；multiple regression Model; Ridge regression Analysis

目 录

摘要 I

Abstract II

第一章 概述 1

1.1引言 1

1.2 国内外有关空气环境质量分析方法的研究现状 1

1.2.1 相关性分析方法 1

1.2.2空间自相关分析方法 2

1.2.3多元回归分析方法 2

1.3.4层次分析法 3

1.3.5主成分分析法 3

1.3 研究内容及技术路线 4

第二章 资料与方法 5

2.1 区域概况介绍 5

2.2数据来源 5

2.3研究方法 6

第三章 上海市大气污染物的时间变化特征 9

3.1上海市大气污染物年均浓度变化趋势 9

3.1.1 上海市大气污染物年均浓度变化趋势 9

3.1.2 上海市PM₁₀年均浓度与人为影响因素的关系 11

3.1.3 上海市SO₂年均浓度与人为影响因素的关系 12

3.1.4 上海市NO₂年均浓度与人为影响因素的关系 13

3.2上海市大气污染物季均浓度变化特征 15

3.2.1 上海市大气污染物季均浓度的变化特征 15

3.2.2 上海市大气污染物季均浓度与气象因素的相关性 16

3.3上海市大气污染物的上海市月均变化特征 19

3.3.1 上海市不同月份各种污染物的变化特征 19

3.3.2上海市污染物月均浓度和月均气象因素的相关性 19

3.4上海市大气污染物的日均变化特征 22

第四章 结论与建议 25

4.1结论 25

4.2 大气污染控制对策与建议 25

参考文献 27

致谢 30

第一章 概述

1.1引言

随着社会经济的发展和人们生活水平的提高，城市空气质量日益受到社会大众的广泛关注。空气受到污染可能会危害人类健康、植物生长、破坏文物古迹以及降低能见度，并且会给居民生活带来不利影响^[1]。因此对城市大气环境质量客观和全面的认识十分必要。

当人类排放到大气中的污染物浓度超过该区域的大气环境容量阀值时，就会产生大气环境污染的问题。大气污染已经成为所有大中城市特别是在发展中国家普遍存在的问题。为了控制大气环境污染，各地分别采取一系列相关的治理措施。例如，调整产业结构，治理和搬迁污染严重企业等。现代社会飞速发展、人口密度极具增长并且车辆数量不断增加，从而致使污染物排放量迅速增加，大气环境质量恶化，并且对人民群众身心健康构成了严重威胁。所以，控制大气污染，改善大气环境质量已成为当前必须解决的迫切的环境问题。

1.2 国内外有关空气环境质量分析方法的研究现状

目前，国内外关于大气污染物浓度影响因素的研究有很多，采用的方法有相关性分析法、多元回归分析法、空间自相关分析法、层次分析法以及主成分分析法等^[2]。

1.2.1 相关性分析方法

周晓芳等研究结果发现PM_2.5质量浓度随着气温上升而增加，即呈正相关，随着相对湿度增加而降低，即呈负相关。所以，在一定范围内通过调节气温与空气相对湿度可以起到控制 PM_2.5质量浓度的作用^[3]。陈楠等研究发现，不同监测点位的PM₁₀、PM_2.5、NO₂与SO₂间的相关性呈现出不同的特征，有的监测点位PM₁₀、PM_2.5与NO₂、SO₂间呈现显著的相关性，有的监测点位相关性不明显，这与各监测点位大气污染源排放特征不同密切相关^[4]。木尼拉等用Daniel趋势检验对乌鲁木齐市2013—2016年空气质量浓度变化趋势进行定量分析。结果发现PM_2.5和PM₁₀均呈正相关，NO₂和SO₂均呈负相关，但变化趋势均不显著均^[5]。张淑平等发现，在常住人口不足1200万的重点城市，NO₂浓度与城市人口呈显

著正相关。冬季 PM_2.5浓度与城市人口规模也呈现出显著正相关。在人口超过1200万的大城市，人口规模与NO₂浓度呈现出显著负相关，与PM2.5浓度无显著负相关，但呈现相对下降的趋势^[6]。

1.2.2空间自相关分析方法

周侃等在大气污染物排放方面研究发现，各类主体功能区的二氧化硫排放量均呈小幅下降，主体功能区之间二氧化硫排放结构基本稳定，重点开发区域所占份额维持在一半以上，它仍然是大气污染物减排的主要领域^[7]。杨冕等发现PM_2.5浓度在长江经济带地区的正向空间自相关性显著，且自相关性伴随着距离不断增大而逐渐减小。并且，SO₂、NO₂、PM_2.5及O₃的浓度两两之间都存在显著的正相关性，这便说明大气污染物从一次污染物演变为二次污染，并形成恶性循环^[8]。郝静等研究发现南部地区的PM_2.5质量浓度与北部地区相较而言较低，东部地区的PM_2.5质量浓度与西部地区相较而言较低，即整体呈现出一种“东低西高、北低南高”的趋势^[9]。杨书申等以发散系数来衡量城市之间大气颗粒物质量浓度的差异，研究发现京唐津地区之间空气环境质量浓度变化较相似，说明京唐津地区空气环境污染较相关^[10]。

1.2.3多元回归分析方法

（1）自然因素

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：